计算接口高速化
　　阿姆达尔定律（Amdahl's lesser known law）表明：并行计算中，每1MHz的CPU最大能产生1Mbit/s的IO。因此，一台有32核2.5GHz的CPU的服务器，则需要配置100Gb/s的网卡，才能将计算性能充分发挥出来。服务器上行对接100GE接入，400GE核心转发成为越来越清晰的主流网络架构。
　　计算能力并行化　　

　　并行化是解决应用性能扩展的成功实践。随着用户数和数据规模增大，并行化程度越来越高。据Facebook统计【2】，用户在朋友圈一个“点赞”动作，会发起到数据中心1KB的HTTP请求，在数据中心内部，则放大为930KB的并行操作，包括88次Cache查找（648KB），35次数据库查找（25.6KB）和392次后端RPC调用（257KB）。计算并行化，使得DCN内部流量（东西向）千倍增大，加剧网络拥塞，增加了通信时间，降低计算效率，智能无损网络的出现，是大势所趋。
　　计算资源虚拟化

　　1998年，Greene（VMWARE创始人）等发明了服务器虚拟化技术，通过把一个物理服务器虚拟为多个虚拟机，将计算资源的平均利用率从10%提升到30%；而近几年新兴的容器技术（如Docker，Kata，Unikernel），通过更轻量化的虚拟层技术，进一步提升计算资源的利用率。计算虚拟化带来的动态性，彻底改变了人管理网络的方式，驱动网络迈向自动驾驶。

　　计算领域的三大方向，引领DCN发展趋势，向400G智能无损的自动驾驶网络迈进。

　　处理器多核化以及AI处理器的普及， IO带宽需求大幅增加。总线技术的发展，部分缓解了计算的IO瓶颈。2020年，PCIe 4.0@16GT/s开始商用，IO带宽达到50G~100G/200G；2021年，PCIe5.0@32GT/s芯片也将发布，IO带宽达到100G~400G。

　　网卡的速率成为提升IO能力的又一关键。网卡从10GE演进到25GE，并快速推进到100GE。配置100GE网卡的服务器在2020年快速起量，成为主流。根据分析师机构CREHAN的预测，在2020年， 100GE网卡的发货量将超越50GE网卡，成为业界对25GE网卡下一代的选择；

　　基于成本、功耗和生态考虑，DCN或将跳过200G，直接演进到400G。从历史实践看，服务器网卡和网络速率之比为1:4，即25G网卡对应100G网络，100G网卡对应400G网络；从光模块架构看，200G和400G都采用4-lane架构，PAM4调制方式，成本和功耗趋同，导致400G每比特成本相比200G降低一倍；从光模块生态看，400G模块种类丰富，给客户更多的选择；目前，200G的模块种类只有100m SR4和2km FR4两种；400G的模块种类达到了5种，涵盖100m、500m和2km。

　　华为在2019年初已经发布了业界首款面向AI时代的数据中心交换机CloudEngine 16800，支持业界最高密度的48*400GE端口/每槽位，业界的5倍，为100G服务器接入，400G数据中心网络做好了充分的准备。

　　随着计算规模增大，通信占比持续增大，抵消了规模增长带来的收益，造成集群性能的负增长。如图所示【3】，Netflix的分布式电影评分推荐系统中，当计算规模达到90台，出现拐点，计算效率不升反降。

　　为了降低通信占比，降低应用等待时间，增大网络规模，无损网络是必经之路。

　　在10G网卡时代，一般采用这种方式，即网络可以在拥塞时丢包，在协议层进行补救，如在TCP协议上部署重传机制，在发现网络丢包后，进行重传。

　　进入到25G/100G网卡时代， 采用网卡硬化协议栈，解决对CPU的消耗。为了硬化协议栈，只能简化协议，从而依赖无损网络。据测算，要吞吐25G~100G的数据，要消耗服务器10%~30%左右的CPU；为了解决此问题，需要在智能网卡上硬化协议，硬化带来的好处是高性能，但也会丧失协议的灵活性。业界采用RDMA协议，替代复杂的TCP, 便于网卡的硬化。RDMA协议对丢包极其敏感，2%的丢包就会造成网络有效吞吐降到0。所以，无损网络成为DCN的基本特征。

　　从TCP诞生之初，是为Internet设计的，考虑的是低速的，长距（数百公里）的网络，围绕流量控制技术，出现了大量的创新。在进入到400G DCN时代，环境发生了巨大的变化，从Internet的慢速链路到DCN 400G高速链路， 从数百公里的长距Internet到百米的DCN网络，从全互联的流量模型到Incast突发流量模型， TCP已经不能适用这种变化，需要对流量控制技术在协议和网络上重新定义，RDMA协议替代TCP，将成为必然。

　　拥塞控制，是通过网络和端点协作，控制入网流量速率，使得入网流量和网络带宽匹配，满而不溢。网络拥塞通知的准确性，对网络利用率影响很大。过早拥塞通知，将导致计算侧过度减速，网络利用率低。过晚拥塞通知，将导致网络过载，导致丢包。通过AI算法，预测流量模型，准确的通知计算侧，控制入网流量。

　　更进一步，网络基于准确的活跃流统计，为每条流分配合适的速率，避免计算节点之间探测式发送，减少突发，从而减少网络的抖动。这种基于Credit的拥塞机制，特别适合存储等低抖动网络上。

　　在并行计算中， 存在木桶效应，即最长完成的流，决定整个任务的完成时间。所以，对不同的流进行差异化的调度，降低整个任务的完成时间。在关键流或者co-flow识别上， AI算法，可以发挥出重要的作用。

　　在大规模并行计算场景下，让网络深度参与到计算通信过程中，从而减少通信量和时间，提升应用性能，称为在网计算。

　　我们知道，并行计算下，多端点之间的通信是全互联的关系，通信量存在N平方问题。造成随着计算规模增大，计算性能下降，在网计算的思路是把网络作为中间节点，参与到计算参数过程中，即把部分计算的功能部署到网络上。这样，通信的复杂度从O（2（n-1））降为O（1）；也就是消除计算规模增大的性能拐点。

　　在网计算，需要通信层和网络协作，主流的并行计算通信层包括MPI和NCCL两种，所以网络也需要分别适配这两种通信层。

　　华为提出业界首创的智能无损DCN，基于内置的AI芯片和智能无损的iLossless调度算法，重定义流量控制技术，重分布网络计算功能， 100%释放算力。作为业界唯一的0丢包的以太网，经过第三方Tolly的权威认证，在计算和存储场景，要比业界其他厂商的交换机提升30%的应用性能。

　　传统网络以天计的变更频度，让管理员有充裕的时间进行检查。但SDN以分钟计的高频变更，让一个小小的配置错误，都放大数百倍，成为潜在的隐患。据谷歌披露【4】，数据中心网络中68%的故障是由于网络变更造成的。网络验证技术，在配置生效前，校验配置面的错误、冲突以及数据面的环路和黑洞等，可提前消除配置风险。

　　当网络瞬息万变，传统静态网络的运维方式都将失效。如何在几分钟之内，完成故障检测，定位和恢复，成为核心需求。

　　智能运维，基于海量数据采集和AI预测算法，提前预测故障，像扁鹊大哥一样，在病情发作前，提前发现，并下药铲除。当故障发生时， 采用融入专家经验的知识图谱， 拨开各种表面现象，找到根因，为故障恢复提供依据。

　　自动驾驶网络，除了部署和运维的自动化，还包括规划自动化，建设自动化和网络自优化，即“规建维优”全生命周期自动化。

　　如自动驾驶汽车，自动驾驶网络根据自动化程度也分为5级，华为CloudFabric数据中心网络的自动驾驶能力已经演进到L3级，即释放运维人员的手。未来会走向L4高度自治和L5完全自治网络，释放运维人员的眼和脑。走向L5的自动驾驶，还有很长的路要走，需要业界同仁的共同努力。

　　无论是智能无损还是自动驾驶网络，它的最终实现和落地离不开AI技术应用。没有AI算法的支撑，自动驾驶网络和智能无损将是空中楼阁。AI算法在语音、语言处理、图像等领域获得了巨大的成功，将AI技术和网络结合，也将使得网络焕发青春。

　　如下图所示， 在识别、预测、调优和质量评估等方面， 学术界和工业界都投入了巨大的研究热情，也初显成效。

　　华为正在携手学术界和工业界， 持续挖掘AI能力， 和网络技术充分结合，持续提升计算效率，一起迈向全新的DCN时代。